改进 OCR 预处理的步骤
Steps to improve pre-processing for OCR
花了半天时间试图找到为Tesseract OCR预处理图像的最佳方法，除了阈值化之外没有找到任何好的结果。谁能建议我应该尝试什么样的步骤？ OpenCV、ImageMagick、Gimp 作为工具对我来说很好，图像可以有不同的背景，但字体的字体和颜色将始终相同。以下是图像示例：
我目前使用阈值过滤器时有类似的东西：
以及来自 OCR 的文本："ELIMINATED LIFELINES220_{¢-\"| “, Vv a . —“
我找到了一篇描述很多预处理步骤的好文章https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality
但最好的方法是使用 "Top-hat morphological operation" - 使用邻域像素进行操作。这可以使用 OpenCV
来完成
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
或者可以使用 ImageMagick http://www.imagemagick.org/Usage/morphology/#top-hat
花了半天时间试图找到为Tesseract OCR预处理图像的最佳方法，除了阈值化之外没有找到任何好的结果。谁能建议我应该尝试什么样的步骤？ OpenCV、ImageMagick、Gimp 作为工具对我来说很好，图像可以有不同的背景，但字体的字体和颜色将始终相同。以下是图像示例：
我目前使用阈值过滤器时有类似的东西：
以及来自 OCR 的文本："ELIMINATED LIFELINES220_{¢-\"| “, Vv a . —“
我找到了一篇描述很多预处理步骤的好文章https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality
但最好的方法是使用 "Top-hat morphological operation" - 使用邻域像素进行操作。这可以使用 OpenCV
来完成
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
或者可以使用 ImageMagick http://www.imagemagick.org/Usage/morphology/#top-hat